[發明專利]一種基于均衡器的語音數據增強方法、裝置及可讀介質

在審

• 申請號: 202111425327.X
• 申請日: 2021-11-26
• 公開（公告）號: CN114267369A
• 公開（公告）日: 2022-04-01
• 發明（設計）人: 葉志堅;肖龍源;李稀敏
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G10L21/0232
• 分類號: G10L21/0232
• 代理公司: 廈門市首創君合專利事務所有限公司 35204
• 代理人: 連耀忠

本發明公開了一種基于均衡器的語音數據增強方法、裝置及可讀介質，通過獲取具有第一頻響曲線的第一語音；采用至少一個不同均衡器對第一語音進行處理，得到至少一個第二語音，每個第二語音具有一個與第一頻響曲線不同的第二頻響曲線，第一語音和第二語音對應于第一說話人；重復上述步驟得到對應于多個不同說話人的第一語音和第二語音，基于多個不同說話人的第一語音和第二語音得到語音模型的訓練數據。經過該訓練數據訓練得到的語音模型能夠有效提高跨設備的準確率，減小設備音頻響曲線不同所帶來的誤差。

技術領域

本發明涉及語音信號處理領域，具體涉及一種基于均衡器的語音數據增強方法、裝置及可讀介質。

背景技術

現有的語音處理技術，如聲紋識別和語音識別，在訓練模型過程中為了提高模型的泛化能力(或者稱為魯棒性)，往往會對語音數據進行數據增強，以獲得更多有效的訓練數據。常見的語音數據增強方法有加噪音、加背景人聲、加混響、語速加快減慢、加編解碼等。這些方法都是模擬外界對語音的影響，可以有效地提高語音處理技術的泛化能力。

但是，拾音系統頻響曲線對語音的影響一直沒有被考慮進去。拾音系統的頻響曲線反映的是其對不同頻率語音的響應特性。麥克風元器件，麥克風所處聲學空間的不同，都會造成拾音系統的頻響曲線不同。此外，某些拾音系統為了獲得特殊效果，往往會刻意調整其頻響曲線，比如低頻增強等。由于各拾音系統頻響曲線的不同，導致同一人的聲音被錄制后，其頻譜會有差異，最終造成語音識別、聲紋識別等語音處理識別準確率下降，在不同拾音系統下準確率下降。

發明內容

針對上述提到的采用不同拾音設備采集語音所帶來的頻譜差異等問題。本申請的實施例的目的在于提出了一種基于均衡器的語音數據增強方法、裝置及可讀介質，來解決以上背景技術部分提到的技術問題。

第一方面，本申請的實施例提供了一種基于均衡器的語音數據增強方法，包括以下步驟：

S1，獲取具有第一頻響曲線的第一語音；

S2，采用至少一個不同均衡器對第一語音進行處理，得到至少一個第二語音，每個第二語音具有一個與所述第一頻響曲線不同的第二頻響曲線，第一語音和第二語音對應于第一說話人；

S3，重復步驟S1-S2得到對應于多個不同說話人的第一語音和第二語音，基于多個不同說話人的第一語音和第二語音得到語音模型的訓練數據。

在一些實施例中，步驟S1具體包括：采集第一說話人說話的第一語音。

在一些實施例中，步驟S1具體包括：從第一說話人的語音數據中提取得到第一語音。

在一些實施例中，步驟S2還包括：通過調節不同頻段的增益數值生成至少一個不同均衡器。

在一些實施例中，還包括：均衡器將具有第一頻響曲線的第一語音調節成為具有第二頻響曲線的第二語音。

在一些實施例中，語音模型包括基于深度學習的語音識別模型或聲紋識別模型。

在一些實施例中，均衡器包括數字均衡器。

第二方面，本申請的實施例提供了一種基于均衡器的語音數據增強裝置，包括：

數據獲取模塊，被配置為獲取具有第一頻響曲線的第一語音；

均衡器處理模塊，被配置為采用至少一個不同均衡器對第一語音進行處理，得到至少一個第二語音，每個第二語音具有一個與所述第一頻響曲線不同的第二頻響曲線，第一語音和第二語音對應于第一說話人；

訓練數據生成模塊，被配置為重復執行數據獲取模塊和均衡器處理模塊得到對應于多個不同說話人的第一語音和第二語音，基于所述多個不同說話人的第一語音和第二語音得到語音模型的訓練數據。